Algoritmos evolutivos com tratamento de restrições aplicados ao problema de planejamento do despacho hidrotérmico

Abstract

Resumo: Este trabalho apresenta o processo de pesquisa, desenvolvimento, aplicação e análise de algoritmos evolutivos com tratamento de restrições sobre o problema do planejamento do despacho hidroelétrico. Previamente à aplicação dos algoritmos sobre o problema de planejamento do despacho hidroelétrico, os algoritmos EPSO-G (_-Constrained Particle Swarm Optiomization with Gradient Mutation) e LSHADE44 (Linear Success-History based Adaptive Differential Evolution - quatro configurações de mutação e quatro posições de memória) foram implementados e avaliados sobre o benchmark de problemas com restrições CEC-2017 (Wu et al., 2016). Para aplicação no problema de planejamento do despacho hidroelétrico foi necessária sua modelagem na estrutura dos algoritmos, assim como a construção de classes de interfaces entre os algoritmos e o módulo de simulação do despacho hidroelétrico. Além do tratamento de restrições por _-constrained presente nos algoritmos, foi utilizado o tratamento de restrições por reparação implementado no simulador de despacho. As execuções foram realizadas sobre 194 diferentes séries de vazões, com dois cenários de estados iniciais de reservatórios: 70% e 30% da capacidade total. Os resultados apontaram que ambos algoritmos conseguiram convergir de soluções aleatórias para soluções comparáveis com outros trabalhos. O algoritmo LSHADE44 obteve os melhores resultados, com uma média de 3,5 restrições violadas entre as 13.431 modeladas, na configuração de 70% de volume inicial, com uma média de deficit hidroenergético de 142.254,80 MW, apresentando nos melhores casos soluções que chegaram a atender a todas restrições. O EPSO-G com a mesma configuração apresentou uma média de 161.6 restrições violadas, porém com menor deficit hidroenergético (36.190,85 MW). As configurações com volume inicial de 30% apresentaram resultados similares. O experimento permite que sejam testados novos algoritmos sobre o problema de planejamento do despacho hidroelétrico utilizando o simulador de despacho para avaliações. Para trabalhos futuros são sugeridas melhorias como aplicação de algoritmos específicos para altas dimensões, e alteração na modelagem do problema para otimizações por bacias hidrográficas. Palavras-chave: Planejamento do Despacho Hidrotérmico, PSO Particle Swarm Optimization, DE Differential Evolution, LSHADE44, Técnicas de Tratamento de Restrições, e-constrained.

Abstract: This study presents the process of research, development, application, and analysis of evolutionary algorithms with constraint handling for the hydroelectric dispatch planning problem. Prior to the execution of the algorithms on the hydroelectric dispatch planning problem, the EPSO-G (_-Constrained Particle Swarm Optimization with Gradient Mutation) and LSHADE44 (Linear Success-History based Adaptive Differential Evolution with four memory settings and four memory locations (LSHADE44)) were implemented and evaluated on the benchmark of problems with restrictions CEC-2017 (Wu et al., 2016). To run the hydroelectric dispatch planning problem it was necessary to fit your structure in the algorithms, which included the development (or implementation) of interface classes between the algorithm itself and the hydroelectric dispatch simulator. In addition to _-constrained, a constraint handling by repair method of infeasible solutions mechanism was used in the dispatch simulator. Executions were performed on 194 different flow series and with two initial reservoir state scenarios: 30% and 70% of the total capacity. Results showed that both algorithms were able to converge from random solutions to solutions comparable with those in other studies. The LSHADE44 algorithm obtained better results, with 3.5 violated constraints within 13,431 models, on the 70% of initial capacity, with 142,254.80 MW of hydropower deficit, with all constraints satisfied in the best cases. The EPSO-G, in the same configuration, presented 161.6 violated constraints on average, but a lower hydropower deficit (36,190.85 MW). Both configurations, 30% and 70%, produced similar results. This experiment allows for new algorithms for the hydroelectric dispatch problem to be tested using the dispatch simulator for evaluation. For future work, the following improvements are suggested: an application of specific algorithms for high dimensions; problem remodeling for optimization in separate watersheds. Keywords: Economic Dispatch Problem, PSO Particle Swarm Optimization, DE Differential Evolution, LSHADE44, Constraint Handling Techniques, e-constrained.